Vídeo 18 de 58

Reconhecimento de Padrões

Licença de cópia, reuso e redistribuição

Sobre a aula

Este vídeo descreve algoritmos heurísticos de seleção de características, dentre eles o MRMR e o Relief.

Disciplina

SIN5007-4 Reconhecimento de Padrões

EMENTA

1.Introdução a problemas de reconhecimento de padrões; 2.Extração de características e redução de dimensionalidade. Análise de Componentes Principais; 3.Medidas de distância para classificação. 4.Técnicas para seleção de características. Aplicações e avaliação de desempenho. 5.Classificadores supervisionados: Redes Neurais Perceptron Multi-Camadas, Máquinas de Vetores Suporte, Árvores de Decisão, Métodos sintáticos. Aplicações e avaliação de desempenho. 6. Redes Bayesianas; 7. Classificação supervisionada multiclasse e multirrótulo; 8. Classificadores não supervisionados: Técnicas de agrupamento de dados. Aplicações e avaliação de desempenho.

Objetivo

O objetivo geral dessa disciplina é apresentar ao aluno os principais métodos utilizados para análises de dados, compreensão de fenômenos e tomada de decisão em problemas de reconhecimento de padrões. Mais especificamente, serão introduzidos fundamentos e algoritmos para modelagem e classificação de dados, seleção e extração de características, juntamente com os métodos apropriados para avaliação de desempenho dos modelos obtidos. As similaridades e diferenças entre os métodos apresentados e suas principais vantagens e desvantagens serão também abordadas e discutidas ao longo do curso.

Índice de vídeos da disciplina

1. SIN5007 - Tema 1 - Vídeo 1: Introdução a Problemas de Reconhecimento de Padrões
2. SIN5007 - Tema 1 - Vídeo 2: Conceitos Básicos de Reconhecimento de Padrões
3. SIN5007 - Tema 1 - Vídeo 3: Tipos de variáveis e próximas atividades
4. SIN5007 - Tema 2 - Vídeo 1: Pré-processamento
5. SIN5007 - Tema 2 - Vídeo 2: A maldição da dimensionalidade
6. SIN5007 - Tema 2 -Vídeo 3: PCA: a intuição
7. SIN5007 - Tema 2 - Vídeo 4: PCA: Conceitos necessários de álgebra linear
8. SIN5007 - Tema 2 - Vídeo 5: PCA: Conceitos necessários de estatística
9. SIN5007 - Tema 2 - Vídeo 6: PCA: a decomposição espectral
10. SIN5007 - Tema 2 - Vídeo 7: PCA: comentários e como reduzir a dimensionalidade
11. SIN5007 - Tema 2 - Vídeo 8: PCA: Comentários finais
12. SIN5007 - Tema 2 - Vídeo 9: Atividade 3
13. SIN5007 - Tema 3 - Vídeo 1: Introdução ao problema de seleção de características
14. SIN5007 - Tema 3 - Vídeo 2: A relação com o classificador
15. SIN5007 - Tema 3 - Vídeo 3: Funções de avaliação
16. SIN5007 - Tema 3 - Vídeo 4: Formas de percorrer o espaço de busca (e critério de parada)
17. SIN5007 - Tema 3 - Vídeo 5: Forma COMPLETA de percorrer o espaço de busca
18. SIN5007 - Tema 3 - Vídeo 6: Forma HEURÍSTICA de percorrer o espaço de busca
19. SIN5007 - Tema 3 - Vídeo 7: Forma RANDÔMICA de percorrer o espaço de busca - LVF
20. SIN5007 - Tema 3 - Vídeo 8: Forma RANDÔMICA de percorrer o espaço de busca - algoritmos genéticos
21. SIN5007 - Tema 3 - Vídeo 9: Atividade 4
22. SIN5007 - Tema 4 - Vídeo 1: Classificação Bayesiana - Introdução e conceitos básicos
23. SIN5007 - Tema 4 - vídeo 2: Classificação Bayesiana - O que isso tem a ver com classificação?
24. SIN5007 - Tema 4 - vídeo 3: Classificação Bayesiana - Generalizando...
25. SIN5007 - Tema 5 - Vídeo 1: Estimação de Desempenho - Introdução
26. SIN5007 - Tema 5 - Vídeo 2: Estimação de Erro - Técnicas de estimação de desempenho
27. SIN5007 - Tema 5 - Vídeo 3: Estimação de Erro - Medidas de desempenho
28. SIN5007 - Tema 5 - Vídeo 4: Estimação de Erro - Curvas ROC
29. SIN5007 - Tema 5 - Vídeo 5: Estimação de Erro - Atividade 5
30. SIN5007 - Tema 5 - Vídeo 6: Estimação de Erro - Detalhes estatísticos
31. SIN5007 - Tema 6 - Vídeo 1: Redes Bayesianas - Definição
32. SIN5007 - Tema 6 - Vídeo 2: Redes Bayesianas - Para que servem?
33. SIN5007 - Tema 6 - Vídeo 3: Redes Bayesianas - Aprendizado
34. SIN5007 - Tema 6 - Vídeo 4: Redes Bayesianas como classificadores (Naive Bayes)
35. SIN5007 - Tema 6 - Vídeo 5: Redes Bayesianas - Calibração de parâmetros
36. SIN5007 - Tema 6 - Vídeo 6: Redes Bayesianas - Atividade 6
37. SIN5007- Tema 7- Vídeo 1: SVMs Hard Margin - formulação primal
38. SIN5007 - Tema 7 - Vídeo 2: SVMs Hard Margin - formulação dual
39. SIN5007 - Tema 7 - Vídeo 3: SVMs Soft Margin
40. SIN5007 - Tema 7 - Vídeo 4: SVMs não lineares (kernels)
41. SIN5007 - Tema 7 - Vídeo 5: Observações gerais sobre SVMs
42. SIN5007 - Tema 7 - Vídeo 6: Atividade 7
43. SIN5007 - Tema 8 - vídeo 1: Redes Neurais Artificiais: a inspiração biológica
44. SIN5007 - Tema 8 - vídeo 2 - Redes Neurais Artificiais: Perceptrons
45. SIN5007 - Tema 8 - vídeo 3: Redes Neurais Artificiais: Redes Perceptron Multicamadas (MLP)
46. SIN5007 - Tema 8 - Vídeo 4: Redes Neurais: Atividade 8
47. SIN5007 - Tema 9 - Vídeo 1: Definição de Árvores de Decisão
48. SIN5007 - Tema 9 - Vídeo 2: Treinamento de Árvores de Decisão
49. SIN5007 - Tema 9 - Vídeo 3: Árvores de Decisão - Outras questões
50. SIN5007 - Tema 9 - Vídeo 4: Random Forests
51. SIN5007 - Tema 10 - Vídeo 1: Comitê de classificadores
52. SIN5007 - Tema 10 - Vídeo 2: Classificação multiclasse
53. SIN5007 - Tema 10 - Vídeo 3: Classificação multirrótulo
54. SIN5007 - Tema 11 - Métodos sintáticos
55. SIN5007 - Tema 12 - Vídeo 1: Classificação não supervisionada - Introdução
56. SIN5007 - Tema 12 - Vídeo 2: Agrupamento Hierárquico
57. SIN5007 - Tema 12 - Vídeo 3: Agrupamento Particional
58. SIN5007 - Tema 12 - Vídeo 4: Outras técnicas, validade de agrupamentos e últimos comentários

Vídeos relacionados